What is the primary purpose of dimensionality reduction in data science?

Đáp án đúng: "To simplify models and reduce computation time". Dimensionality reduction (giảm chiều dữ liệu) là giảm số đặc trưng đầu vào, bằng cách chọn ra các đặc trưng quan trọng hoặc biến đổi chúng thành ít thành phần hơn như PCA (phân tích thành phần chính), trong khi giữ lại phần lớn thông tin. Nhờ vậy mô hình gọn hơn, huấn luyện nhanh hơn, ít bị overfitting (quá khớp) và dữ liệu dễ trực quan hóa hơn. "To increase the number of features" đi ngược hẳn mục tiêu; tạo thêm đặc trưng là việc của feature engineering chứ không phải giảm chiều. "To eliminate all data points" sai, vì giảm chiều tác động lên cột (đặc trưng) chứ không xóa hàng (mẫu), và xóa hết dữ liệu thì không còn gì để học. "To create more complex models" cũng ngược mục đích, vì giảm chiều nhằm làm mô hình đơn giản đi.